Spis treści:
Sztuczna inteligencja powoli wykracza poza ziemskie granice – najlepszym tego dowodem jest projekt Phi-Sat-1 Europejskiej Agencji Kosmicznej (ESA).
Sztuczna inteligencja nad wyraz często idzie w parze z komputerowym przetwarzaniem obrazów. Nic dziwnego – wszak właśnie ten obszar informatyki wymaga analizy dużych ilości danych, a ekstrakcja informacji (cech, obiektów, itp.), poprawa jakości czy też fuzja danych z obrazów wykonanych różnymi technikami to doskonałe pole do popisu dla algorytmów AI. Konstruktorzy związani z Europejską Agencją Kosmiczną – stanowiącą niejako „odpowiednik” amerykańskiej NASA – dostrzegli zalety płynące z wykorzystania sztucznej inteligencji, tworząc miniaturowego satelitę Phi-Sat-1.
Obrazowanie hiperspektralne – zasada działania
W przypadku monochromatycznych obrazów mamy do czynienia z dwuwymiarowymi (X, Y) zbiorami punktów o określonej wartości, odpowiadającej natężeniu światła padającego na poszczególne piksele kamery, zaś na obrazach kolorowych (barwnych) do każdego piksela przypisujemy zwykle trzy liczby, odpowiadające składowym czerwonej, zielonej oraz niebieskiej (RGB). Obrazowanie hiperspektralne natomiast korzysta ze znacznie większej liczby kanałów pomiarowych, pozwalających na uzyskanie uproszczonego „przekroju” widma elektromagnetycznego w szerokim zakresie – także podczerwieni, a czasem nawet ultrafioletu.
Zwiększenie rozdzielczości widmowej (w przypadku zwykłych kamer korzystamy z pomiaru natężenia światła w trzech szerokich podzakresach pasma widzialnego, natomiast w obrazowaniu hiperspektralnym zakresów może być kilkadziesiąt, a nawet kilkaset!) powoduje jednak ogromny wzrost ilości danych powiązanych z pojedynczą „klatką” (zdjęciem).
Przetwarzanie obrazów a sztuczna inteligencja
Algorytmy sztucznej inteligencji to wyjątkowo uniwersalne narzędzie, zdolne do pozyskiwania szeregu informacji „ukrytych” nawet w dużych zbiorach danych o znacznym udziale zmiennych losowych. Innymi słowy: to, czego ludzkie oko (nawet w przypadku doświadczonych znawców tematu) nie jest w stanie zauważyć, sztuczna inteligencja – dzięki zdolności do uczenia i wychwytywania subtelnych różnic pomiędzy zbiorami informacji – może szybko i z dużą dokładnością oddzielić od „szumu tła”. W przypadku przetwarzania obrazów – a szczególnie widać to w zakresie obrazowania hiperspektralnego – AI potrafi z powodzeniem prowadzić tzw. redukcję wymiarowości – poprzez odpowiednie „żonglowanie” obrazami uzyskanymi w różnych pasmach osiągalne jest bowiem wyekstrahowanie tylko tych danych, które mają praktyczne znaczenie dla naszych ziemskich potrzeb. A stąd już prosta droga do daleko idących oszczędności – im mniej informacji trzeba przesłać z orbity na Ziemię, tym lepiej z energetycznego punktu widzenia (satelity muszą bowiem wysoce efektywnie zarządzać poborem mocy przez tzw. payload, czyli znajdującą się na pokładzie aparaturę, gdyż jedyną możliwością doładowania wbudowanych akumulatorów jest ustawienie stosunkowo niewielkich paneli fotowoltaicznych w kierunku Słońca).
Phi-Sat-1 – zaawansowana technologia kosmiczna w miniaturowym wydaniu
Phi-Sat-1 należy do klasy tzw. cubesatów – sztucznych satelitów o wyjątkowo małych rozmiarach i masie. W tym przypadku całość konstrukcji ma wymiary około 100 x 200 x 300 mm, co pozwala zaklasyfikować projekt do klasy nanosatelitów. Mimo tak kompaktowej formy na pokładzie tego miniaturowego urządzenia znalazł się zaawansowany zestaw kamery hiperspektralnej HyperScout®-2, łączącej możliwość obrazowania w paśmie widzialnym i podczerwieni bliskiej (400…1000 nm) oraz podczerwieni średniej (8..14 μm), odpowiadającej promieniowaniu termicznemu. Co ciekawe, całkowita masa instrumentu to aż 1,7 kg, czyli całkiem spora część masy startowej satelity. Za obróbkę danych uzyskanych przez HyperScouta odpowiada płyta Intel® Movidius™ z procesorem wizyjnym Intel® Myriad™ – ultranowoczesnym VPU zoptymalizowanym pod kątem cyfrowego przetwarzania obrazów z wykorzystaniem algorytmów AI.
Praktyczne zastosowania cubesatów
Phi-Sat-1 to ewidentnie platforma testowa, służąca demonstracji możliwości przetwarzania danych z użyciem AI na pokładzie statku kosmicznego w celu redukcji ilości informacji przesyłanych drogą radiową do stacji naziemnych. Warto jednak mieć na uwadze, że cubesaty są coraz częściej wykorzystywane także do bardzo praktycznych celów.
Obserwacja i przewidywanie warunków pogodowych, wczesne ostrzeganie przed kataklizmami, czy też szybka detekcja pożarów terenów zalesionych – to tylko niektóre z potencjalnych zastosowań najmniejszych satelitów wysyłanych przez agencje kosmiczne i niewielkie firmy w przestrzeń kosmiczną. Z uwagi na ogromne koszty, z jakimi wiąże się wystrzelenie aparatury w kosmos (przeliczane w tysiącach dolarów/kg), nanosatelity są także doskonałą platformą edukacyjną dla studentów wyższych uczelni technicznych, które – dzięki coraz szerzej zakrojonej współpracy z międzynarodowymi agencjami kosmicznymi – mogą z sukcesem szkolić kolejne pokolenia inżynierów przygotowanych do pracy w branży space.
